使用Weka快速實踐機器學習演算法

04-28

【譯者注】在當下人工智慧火爆發展的局面，每時每刻都有新的技術在誕生，但如果你是一個新手，Weka或許能幫助你直觀、快速的感受機器學習帶來的解決問題的新思路。

Weka使機器學習的應用變得簡單、高效並且充滿樂趣。它擁有圖形界面，並且允許你載入自己的數據集，運行演算法並且產生足夠可靠、讓人信服的結果。

我把Weka推薦給機器學習的新手，因為它幫助我們把精力集中在機器學習應用的本身，而不是陷入數學和編程的泥潭。這些技能可以在後續的學習中逐漸掌握。

本文將一步步告訴你如何載入數據集，運行高級的分類演算法並且展示分類結果，這看起來很簡單。跟隨我的操作，你會在5分鐘內得到機器學習的結果，並且你可以使用這個方法常識更多的數據集和演算法。

1. 下載並安裝Weka

訪問Weka下載頁面，根據你的系統下載合適的版本（Windows，Mac 或Linux）。

運行Weka需要Java環境，請先確認你已經安裝了Java。針對Windows平台，Weka提供了集成Java的版本，這樣你不需要另外單獨安裝Java環境。

2. 啟動Weka

雙擊weka.jar文件，程序將啟動一個Weka GUI Chooser，通過這個界面可以運行Explorer（探索模式），Experimenter（實驗），KnowledgeExplorer和Simple CLI(command line interface)。

點擊「Explorer」按鈕啟動Weka Explorer。

這個界面中，你可以載入數據集，運行分類演算法。也提供了數據過濾、聚類、關聯規則提取和可視化等特性，但我們並不會現在就使用這些特性。

3. 打開 data/iris.arff 數據集（Dataset）

Weka提供了一些小型公共機器學習數據集可以用來實踐。

單擊「Open file...」按鈕從本地目錄中選擇「iris.arff」文件載入Iris（鳶尾花）數據集。

鳶尾花(Iris)數據集是一個著名的統計學資料，被機器學習研究人員大量使用。它包含了150組實例，4種生物特徵和每組實例對應的鳶尾花種類（setosa,versicolor,virginica），你可以從維基百科了解到更多關於鳶尾花數據集的信息。

4.選擇並且運行演算法

現在你已經載入了數據集，是時候選擇一個機器學習演算法建立問題模型並且做出預測。

單擊「Classify」選項卡，在這裡你可以針對載入的數據集運行處理演算法。

你需要注意到「ZeroR」演算法被默認選中，單擊「Start」按鈕運行演算法。

ZeroR演算法選擇數據集中的主要種類（鳶尾花的三種特性在數據中等比例呈現，所以它得出的結果是第一種：setosa）並以此完成所有的預測。這是衡量其它演算法正確性的基準。正如我們所期望的，結果是33%（共三種類別，每種有相同的可能性，相當於三分之一，每次預測有33%的分類準確度）。

也許你注意到了測試選項（test options）使用了10倍交叉驗證。這意味著數據集會被分為10份，前九份用來訓練演算法，第10份用來評估演算法。重複這個過程，使者10份被分割的數據集都有可能被用作測試集。你可以從這裡了解更多關於交叉驗證的知識。

ZeroR演算法雖然重要，但太讓人厭煩了。

單擊「Choose」按鈕，在Classifier區域單擊「trees」然後選擇「J48」演算法。這是一個C4.8演算法的Java實現（J 代表Java，48代表C4.8，因此使用了J48這個名字）同時也是著名的C4.5演算法的延伸。你可以從跟這裡了解更多關於C4.5的知識。

單擊「Start」運行演算法。

5. 運行結果

運行J48演算法之後，你會注意到「Classifier output」區域輸出的結果。

演算法運行了10倍交叉驗證，這意味著數據集中的每組實例都有機會用來做預測（在分成不同份之後）展現的結果，是這些預測的匯總。

首先請注意「Classification Accuracy」，可以看出演算法模型達到了96%的準確度，看起來比基準值33%好太多了。

然後看「Confusion Matrix」，你可以看到真實的分類結果的表格。其中1個錯誤，把Iris-vsetosa分類到了Iris-versicolor，2個把Iris-virginica分類到Iris-versicolor還有3個Iris-versicolor被分類到Iris-setosa（一共6個錯誤）。這個表格可以幫助解釋演算法的準確度。

總結

本文中你使用Weka載入了第一個數據集並且運行了第一個機器學習演算法（C4.8演算法的一種實現）。ZeroR演算法不能計算在內，它只是一個好用的判斷基準。

你現在知道了使用Weka載入數據和運行演算法的方法，以後可以嘗試不同的演算法看能得出什麼結果。

如果你使用Iris數據集得到了比96%更高的準確度，可以在評論區告訴我。

[1] How to run your first classify in Weka

[2] ZeroR演算法介紹

原文作者：劉遠程，轉載請註明出處，個人博客：http://tenstone.me